KR20180129630A - 기록 매체에 보유되는 컴퓨터 프로그램, 단말, 방법 및 서버 - Google Patents

기록 매체에 보유되는 컴퓨터 프로그램, 단말, 방법 및 서버 Download PDF

Info

Publication number
KR20180129630A
KR20180129630A KR1020180048358A KR20180048358A KR20180129630A KR 20180129630 A KR20180129630 A KR 20180129630A KR 1020180048358 A KR1020180048358 A KR 1020180048358A KR 20180048358 A KR20180048358 A KR 20180048358A KR 20180129630 A KR20180129630 A KR 20180129630A
Authority
KR
South Korea
Prior art keywords
information
user
weather
data
bottle
Prior art date
Application number
KR1020180048358A
Other languages
English (en)
Inventor
아키히코 다구치
젠이치로 가와세
도모요 사나다
노리히사 고다이라
요시유키 구노
다카시 다나카
요시미츠 다카마츠
Original Assignee
잇빤자이단호우진 니혼키쇼우쿄우카이
가부시키가이샤 제이엠디씨
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 잇빤자이단호우진 니혼키쇼우쿄우카이, 가부시키가이샤 제이엠디씨 filed Critical 잇빤자이단호우진 니혼키쇼우쿄우카이
Publication of KR20180129630A publication Critical patent/KR20180129630A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

기상 정보로부터 병의 발증이나 중증화 위험을 예측할 때의 정밀도를 높인다.
컴퓨터 프로그램은, 사용자 속성의 입력을 접수하는 기능과, 병과 기상과의 관계를 나타내는 다른 복수의 모델 중에서 입력된 속성에 따라 선택된 모델과 기상 예측 정보로부터 얻어지는 병에 관한 예측 정보를 사용자에게 통지하는 기능을 단말에 실현시키기 위한 것이다.

Description

기록 매체에 보유되는 컴퓨터 프로그램, 단말, 방법 및 서버{A computer program holded by a recording medium, a terminal, a method, and a server}
본 발명은 기록 매체에 보유되는 컴퓨터 프로그램, 단말, 방법 및 서버에 관한 것이다.
건강 상태와 기상(氣像; weather)과의 관계에 대해, 기압이 낮아지면 머리나 다리가 쑤시고 비가 갠 뒤의 맑은 날에는 화분증(花粉症; 꽃가루 알레르기)이 심해지며 맑게 갠 날에는 열중증(熱中症)이 많아지고 건조하면 피부가 거칠어지는 등의 관계성은 생활의 지혜로서 종래에 공지되어 있다. 또한, 특정 논문이나 앙케이트 등의 주관적 정보와, 기상 실험실 등의 한정된 장소에서 취득된 생체정보·환경정보에 기초한 요인을 조합한 판별 알고리즘을 이용하고 널리 일반 대중을 타깃으로 하여 평균화된 정보를 제공하는 것이 공지되어 있다.
예를 들어 비특허문헌 1은, 지역마다 꽃가루의 비산(飛散) 상황을 나타내는 꽃가루 정보를 제공한다. 사용자는 이 꽃가루 정보를 참조함으로써 화분증의 발증(發症) 위험이나 중증화(重症化) 위험을 추측할 수 있다.
비특허문헌 1: https://tenki.jp/pollen/, 2017년 5월 18일 검색
그러나 원래 화분증이 없는 사람에게는 꽃가루 정보의 중요도는 낮다. 또한, 화분증을 앓고 있는 사람에 대해서도, 꽃가루에의 감수성 차이로부터 동일한 비산량으로도 중증화되는 사람과 그렇지 않은 사람이 있다. 이는 화분증에 한정하지 않고, 다른 병에 대해서도 마찬가지이다.
본 발명은 이러한 과제를 감안하여 이루어진 것으로, 그 목적은 기상 정보로부터 병의 발증이나 중증화 위험을 성별, 연령, 복약(服藥) 상황 등의 사용자 속성에 따라 예측함으로써 예측의 정밀도를 높일 수 있는 기술을 제공하는 데 있다.
본 발명의 일 실시형태는 컴퓨터 프로그램에 관한 것이다. 이 컴퓨터 프로그램은, 사용자 속성의 입력을 접수하는 기능과, 병과 기상과의 관계를 나타내는 다른 복수의 모델 중에서 입력된 속성에 따라 선택된 모델과 기상 예측 정보로부터 얻어지는 병에 관한 예측 정보를 사용자에게 통지하는 기능을 단말에 실현 시키기 위한 것이다.
본 발명의 다른 일 실시형태는 서버이다. 이 서버는, 병과 기상과의 관계를 나타내는 다른 복수의 모델을 보유하는 보유 수단과, 사용자의 속성을 네트워크를 통해 단말로부터 수신하는 수신 수단과, 보유 수단에 보유되는 복수의 모델 중에서 취득된 속성에 따른 모델을 선택하는 선택 수단과, 기상 예측 정보를 네트워크를 통해 기상 서버로부터 취득하는 취득 수단과, 선택된 모델과 취득된 기상 예측 정보로부터 병에 관한 예측 정보를 도출하는 도출 수단과, 도출된 병에 관한 예측 정보를 네트워크를 통해 단말에 송신하는 송신 수단을 구비한다.
또, 이상의 구성요소의 임의의 조합이나, 본 발명의 구성요소나 표현을 장치, 방법, 시스템, 컴퓨터 프로그램, 컴퓨터 프로그램을 저장한 기록 매체 등의 사이에서 서로 치환한 것도 본 발명의 실시형태로서 유효하다.
본 발명에 의하면, 기상 정보로부터 병의 발증이나 중증화 위험을 예측할 때의 정밀도를 높일 수 있다.
도 1은 실시형태에 관한 질병 예측 시스템의 시스템 구성의 일 예를 나타내는 모식도이다.
도 2는 도 1의 휴대 단말의 하드웨어 구성도이다.
도 3은 도 1의 질병 예측 서버의 기능 및 구성을 나타내는 블록도이다.
도 4는 도 3의 데이터 취득부에 의해 생성되는 의료 입력 데이터의 일 예를 나타내는 데이터 구조도이다.
도 5는 도 3의 데이터 취득부에 의해 생성되는 기상 입력 데이터의 일 예를 나타내는 데이터 구조도이다.
도 6은 도 3의 데이터 해석부에서의 중회귀(重回歸; multiple regression) 분석의 일 예를 설명하기 위한 그래프이다.
도 7은 도 3의 모델 보유부의 일 예를 나타내는 데이터 구조도이다.
도 8의 (a)~(d)는 위험 지수를 5개의 위험 레벨로 카테고리화하는 경우의 표시 예를 나타내는 모식도이다.
도 9는 도 1의 질병 예측 시스템에서의 처리의 흐름을 나타내는 흐름도이다.
도 10은 첫 등록 화면의 대표 화면도이다.
도 11은 로그인 화면의 대표 화면도이다.
도 12는 현재의 위험 레벨을 나타내는 위험 예측 화면의 대표 화면도이다.
도 13은 정보 등록 화면의 대표 화면도이다.
도 14는 미래의 위험 레벨을 나타내는 위험 예측 화면의 대표 화면도이다.
도 15는 과거의 위험 레벨을 나타내는 위험 예측 화면의 대표 화면도이다.
이하, 각 도면에 나타나 있는 동일하거나 동등한 구성요소, 부재, 처리에는 동일한 부호를 부여하는 것으로 하고 적절하게 중복된 설명은 생략한다. 또한, 각 도면에서 설명 상 중요하지 않은 부재의 일부는 생략하여 표시한다.
실시형태에서는, 의료 데이터와 기상 데이터를 복합화함으로써 새로운 가치를 창조한다. 의료 데이터와 기상 데이터를 대조함으로써, 병과 기상과의 관계에 대한 가설을 검증하고, 정밀도 높은 모델을 개발할 수 있다. 이와 같이 개발된 모델은 미디어나 제조사나 금융이나 자치단체 등의 다양한 필드에서 새로운 서비스나 가치를 제공할 수 있다. 예를 들어 개발된 모델을 이용함으로써, 기상과 병기(病氣; illness)와의 인과관계를 가시화하고 병의 발생 지역이나 시기를 예측하는 서비스를 제공할 수 있다.
실시형태는 제안되는 모델을 이용한 서비스를 통해 헬스 리터러시(health literacy)의 향상을 지원함과 아울러, 행동의 변용(變容)을 촉진함으로써 건강 사회의 실현에 기여한다. 또한, 실시형태는 제안되는 모델을 이용한 서비스를 통해 기상이나 환경이 생체에 미치는 영향의 연구를 촉진하고, 따라서 자연계와 조화를 이룬 사회의 실현에 이바지한다.
도 1은 실시형태에 관한 질병 예측 시스템(100)의 시스템 구성의 일 예를 나타내는 모식도이다. 질병 예측 시스템(100)은 질병 예측 서버(102)와, 의료 데이터 서버(104)와, 기상 데이터 서버(106)와, 휴대 단말(108)을 구비한다. 질병 예측 서버(102), 의료 데이터 서버(104), 기상 데이터 서버(106), 휴대 단말(108)은 모두 인터넷 등의 네트워크(110)와 접속되고 네트워크(110)를 통해 통신한다. 또, 도 1은 일 예를 나타내는 것으로, 각 요소의 수에 제한은 없다.
의료 데이터 서버(104)는 의료에 관한 데이터를 해석하는 기업(이하, 의료 데이터 해석 기업이라 함)에 의해 운영되고 의료 빅 데이터(112)를 보유한다. 사용자는 정기적으로, 예를 들어 1년에 한 번 의료기관에서 건강 진단(정기 건강진단, 인간 독(medical checkup) 등)을 받는다. 사용자는 자신이 가입되어 있는 건강 보험 조합 또는 다른 보험 기관이 제휴하고 있는 의료기관에서 건강 진단을 받는다. 사용자는 건강 진단을 받은 후 지면으로 또는 전자적으로 건강 진단 결과(이하, 검진 결과라 함)를 수취한다. 각 의료기관은 사용자가 가입되어 있는 보험자나 사용자의 사업주에게 사용자의 검진 결과를 통지한다. 또, 검진 결과 이외에도 사용자가 의료기관에서 통상적인 진료를 받았을 때에 생성되는 리셉트 데이터(receipt data)가 사용자가 가입한 건강 보험의 보험자에게 제공된다. 이와 같이, 보험자나 사업주는 자기의 피보험자나 종업원의 검진 결과나 리셉트 데이터를 축적하고 있다.
의료 데이터 해석 기업은 많은 보험자나 사업주와 계약하고, 계약한 보험자나 사업주로부터 검진 결과나 리셉트 데이터를 편입하고 익명화 처리하여 의료 빅 데이터(112)를 구축한다. 이 편입은 예를 들어 정기적(예를 들어 매월)으로 통합하여 이루어져도 된다. 의료 데이터 해석 기업은 스마트폰이나 태블릿 단말이나 휴대전화 등의 휴대 단말(108)을 통해 사용자로부터 직접 검진 결과나 리셉트 데이터를 취득해도 된다.
기상 데이터 서버(106)는 기상에 관한 데이터를 해석하는 기업(이하, 기상 데이터 해석 기업이라 함)에 의해 운영되고 기상 빅 데이터(114)를 보유한다. 기상 데이터 해석 기업은 기상·환경·방재 등에 관련된 조사 해석이나 정보 제공을 행한다. 기상 데이터 해석 기업은 풍향 풍속, 기온, 일교차, 습도, 일사량, 방사 수지량(放射收支量), 우량(雨量) 등의 기상 데이터를 지역마다(예를 들어 250m 메쉬 단위로), 시간대마다(예를 들어 분 단위로) 수집하여 기상 빅 데이터(114)를 구축한다. 기상 데이터 서버(106)는 기상 빅 데이터(114)에 보유되는 과거의 기상 데이터에 기초하여 소정의 예측 알고리즘에 따라 기상 예측 정보를 생성한다. 기상 예측 정보는 예를 들어 어떤 지점의 어떤 장래의 시간대에서의 풍향 풍속이나 기온이나 일교차나 평년차나 습도의 예측 값을 포함한다.
질병 예측 서버(102)는 의료 데이터 서버(104)로부터 의료 빅 데이터(112)에 보유되는 의료 데이터를, 기상 데이터 서버(106)로부터 기상 빅 데이터(114)에 보유되는 기상 데이터를 각각 취득한다. 질병 예측 서버(102)는 취득된 의료 데이터와 기상 데이터를 대조함으로써 병과 기상과의 관계를 나타내는 다른 복수의 모델을 생성한다. 모델은 사용자의 속성에 따라 다르며, 예를 들어 10대 남성용 모델과 40대 여성용 모델은 다르다. 모델의 생성에 대해서는 후술한다.
질병 예측 서버(102)는 네트워크(110)를 통해 휴대 단말(108)의 사용자 속성을 취득하고, 취득된 속성에 대응하는 모델을 선택한다. 질병 예측 서버(102)는 기상 데이터 서버(106)로부터 네트워크(110)를 통해 기상 예측 정보를 취득하고, 취득된 기상 예측 정보와 선택된 모델로부터 병에 관한 예측 정보를 도출한다. 질병 예측 서버(102)는 네트워크(110)를 통해 휴대 단말(108)에 병에 관한 예측 정보를 송신한다.
휴대 단말(108)의 사용자는 다운로드 사이트로부터 네트워크(110)를 통해 질병 예측 애플리케이션 프로그램(이하, 질병 예측 앱이라 함)을 휴대 단말(108)에 다운로드하고 인스톨한다. 혹은 질병 예측 앱은 휴대 단말(108)에 프리-인스톨되어 있어도 된다. 질병 예측 앱은 질환·지역·연령·성별 등으로 특정되는 타깃층에 행동 변용의 계기가 되는 가치 있는 정보를 전달한다. 질병 예측 앱은 의료 데이터 해석 기업, 기상 데이터 해석 기업, 질병 예측 서버(102)의 관리 단체 중 어느 하나에 의해 제공되어도 된다. 질병 예측 앱이 휴대 단말(108)에 의해 실행됨으로써, 휴대 단말(108)은 네트워크(110)를 통해 질병 예측 서버(102)와 통신하고 각종 기능을 실현한다. 이하, 휴대 단말(108)(의 CPU(Central Processing Unit) 등의 처리 유닛)이 질병 예측 앱을 실행함으로써 실현하는 기능을 휴대 단말(108)의 기능으로서 설명한다. 이들 기능은 실제로는 질병 예측 앱이 휴대 단말(108)에 실현시키는 기능이다.
도 2는 도 1의 휴대 단말(108)의 하드웨어 구성도이다. 휴대 단말(108)은 질병 예측 앱을 인스톨하여 실행 가능하면 어떠한 단말이어도 된다. 휴대 단말(108)은 메모리(121), 프로세서(122), 통신 인터페이스(123), 디스플레이(124), 입력 인터페이스(125)를 포함한다. 이들 요소는 각각 버스(126)에 접속되고, 버스(126)를 통해 서로 통신한다.
메모리(121)는, 데이터나 프로그램을 기억하기 위한 기억 영역이다. 데이터나 프로그램은 메모리(121)에 항구적으로 기억되어도 되고, 일시적으로 기억되어도 된다. 특히 메모리(121)는 질병 예측 앱을 기억한다. 프로세서(122)는 메모리(121)에 기억되어 있는 프로그램, 특히 질병 예측 앱을 실행함으로써 휴대 단말(108)에서의 각종 기능을 실현한다. 통신 인터페이스(123)는 휴대 단말(108)의 외부와의 사이에서 데이터의 송수신을 행하기 위한 인터페이스이다. 예를 들어 통신 인터페이스(123)는 휴대전화의 무선 통신망에 액세스하기 위한 인터페이스나, 무선 LAN(Local Area Network)에 액세스하기 위한 인터페이스 등을 포함한다. 또한, 통신 인터페이스(123)는 예를 들어 USB(Universal Serial Bus) 등의 유선 네트워크의 인터페이스를 포함하고 있어도 된다. 디스플레이(124)는 각종 정보를 표시하기 위한 디바이스로서, 예를 들어 액정 디스플레이나 유기 EL(Electroluminescence) 디스플레이 등이다. 입력 인터페이스(125)는, 사용자로부터 입력을 접수하기 위한 디바이스이다. 입력 인터페이스(125)는, 예를 들어 디스플레이(124) 상에 마련된 터치 패널이나 각종 입력 키 등을 포함한다.
도 3은 도 1의 질병 예측 서버(102)의 기능 및 구성을 나타내는 블록도이다. 여기에 나타내는 각 블록은, 하드웨어적으로는 컴퓨터의 CPU를 비롯한 소자나 기계 장치로 실현할 수 있고, 소프트웨어적으로는 컴퓨터 프로그램 등에 의해 실현되는데, 여기서는 이들 제휴에 의해 실현되는 기능 블록을 묘사하고 있다. 따라서, 이들 기능 블록은 하드웨어, 소프트웨어의 조합에 의해 여러 가지 형태로 실현할 수 있는 것은 본 명세서에 언급한 당업자에게는 이해될 것이다.
질병 예측 서버(102)는 데이터 취득부(302), 데이터 해석부(304), 모델 보유부(306), 속성 수신부(308), 모델 선택부(310), 예측 취득부(312), 위험 도출부(314), 송신부(316), 사용자 정보 보유부(318), 실적 정보 보유부(320)를 구비한다.
(모델 생성 단계)
모델을 생성하는 경우, 데이터 취득부(302)는, 네트워크(110)를 통해 의료 데이터 서버(104)로부터 리셉트 데이터를 취득하거나, 네트워크(110)를 통하지 않고 의료 데이터 서버(104)로부터 직접 취득한다. 취득되는 리셉트 데이터는 의과 리셉트와 조제 리셉트를 포함한다. 리셉트 데이터의 항목은 연령이나 성별 등의 환자 정보와, 진료 연월이나 진료 실일수나 총점수(의료비) 등의 리셉트 정보와, 상병명(傷病名)이나 진료 개시 연월이나 전귀(轉歸) 등의 상병(傷病) 정보와, 의약품명이나 투여량 등의 의약품 정보와, 실시일이나 진료 행위(수술, 방사선 치료 등) 등의 진료 행위 정보를 포함한다.
데이터 취득부(302)는, 네트워크(110)를 통해 의료 데이터 서버(104)로부터 대장(台帳) 데이터를 취득하거나, 네트워크(110)를 통하지 않고 의료 데이터 서버(104)로부터 직접 취득한다. 대장 데이터는, 본인 가족(친족관계)과 관찰 개시 연월과 관찰 종료 연월과 종료 이유를 포함한다. 이에 의해, 관찰 집단의 설정이 가능해지고 모집단이 보다 명확해진다.
데이터 취득부(302)는, 네트워크(110)를 통해 의료 데이터 서버(104)로부터 지역 데이터를 취득하거나, 네트워크(110)를 통하지 않고 의료 데이터 서버(104)로부터 직접 취득한다. 지역 데이터는, 환자가 진찰을 받은(따라서, 리셉트가 작성된) 의료기관의 소재지와 환자의 거주지를 포함한다. 개인의 특정이 불가능한 경우는, 우편번호의 앞 3자리가 이용된다.
데이터 취득부(302)는 취득된 리셉트 데이터와 대장 데이터와 지역 데이터를 통합하여 의료 입력 데이터를 생성한다. 의료 입력 데이터는, 어느 속성의 사용자가 언제 어디서 어떠한 병을 지니고 있었는지를 나타낸다. 의료 입력 데이터의 항목은 예를 들어 연령, 성별, 지역, 연월일, 질환, 중증도, 입원 유무, 수술 유무, 진찰을 받은 빈도, 진찰을 받은 진료과, 의료비, 처방 약제를 포함한다.
도 4는 데이터 취득부(302)에 의해 생성되는 의료 입력 데이터의 일 예를 나타내는 데이터 구조도이다. 의료 입력 데이터는 지역을 특정하는 지역 ID, 환자의 연령(연대(年代)), 환자의 성별, 환자의 질환, 진찰일, 중증도, 발작 유무, 입원 유무, 수술 유무, 환자수를 대응시켜 보유한다. 지역 ID는, 예를 들어 JIS X 0401에서 규정되는 도도부현(都道府縣) 코드나 전국 지방공공단체 코드이어도 된다. 중증도는 1-5의 5단계로 나타나게 되고, 5가 가장 중상(重傷)이다. 중증도는, 예를 들어 처방되거나 사용된 약제의 종류 및 양에 기초하여 결정된다. 예를 들어, 도 4의 가장 윗줄의 데이터는 입원 및 수술이 필요한 중증도 4의 아토피성 피부염으로, 4월 1일에 지역 13에서 진찰을 받은 0~4세의 여성 환자가 5명 있었음을 나타낸다.
도 3으로 되돌아가, 데이터 취득부(302)는 네트워크(110)를 통해 기상 데이터 서버(106)로부터 기상 데이터를 취득한다. 취득되는 기상 데이터의 항목은 예를 들어 이하를 포함한다.
기상에 관한 항목: 운량(雲量), 강수량, 풍향, 풍속, 기온, 습도, 일조 시간, 적설심(積雪深), 강설량, 기압.
환경에 관한 항목: SO2(이산화유황), NO(일산화질소), NO2(이산화질소), NOX(질소산화물), CO(일산화탄소), OX(광화학 옥시던트), NMHC(비메탄 탄화수소), CH4(메탄), THC(전탄화수소), SPM(부유 입자상 물질), PM2.5(미소 입자상 물질), SP(부유 분진), 황사, 삼목 화분(cedar pollen), 회목(檜木) 화분, 화산재, UV(자외선).
취득되는 기상 데이터의 지역은 관측 지점 또는 예측 지역(예를 들어, 200m 메쉬)으로 지정된다. 취득되는 기상 데이터의 시간 간격은 예를 들어 분 단위, 시간 단위, 일 단위, 주 단위, 월 단위이다. 데이터 취득부(302)는, 취득된 기상 데이터의 포맷을 의료 입력 데이터의 포맷에 맞춤으로써 기상 입력 데이터를 생성한다.
도 5는 데이터 취득부(302)에 의해 생성되는 기상 입력 데이터의 일 예를 나타내는 데이터 구조도이다. 기상 입력 데이터는 지역 ID, 일시(시간대), 기압, 강수량, 기온, 노점(露店) 온도, 증기압, 습도, 풍속을 대응시켜 보유한다.
도 3으로 되돌아가, 데이터 해석부(304)는 데이터 취득부(302)에 의해 생성된 의료 입력 데이터와 기상 입력 데이터를 통합하여 해석 대상 데이터를 생성한다. 데이터 해석부(304)는 통합시에 예를 들어 지역 ID 및 시간대(진찰일, 일시)를 키(key)로 한다. 데이터 해석부(304)는 해석 대상 데이터를 사용자의 속성 및 지역으로 세분화한다. 예를 들어 데이터 해석부(304)는 사용자의 성별 및 연대(年代)와 지역으로 해석 대상 데이터를 나눈다. 이에 의해, 지역 1의 0~4세 여성에 대한 해석 대상 데이터, 지역 1의 0~4세 남성에 대한 해석 대상 데이터, 지역 1의 5~9세 여성에 대한 해석 대상 데이터, 지역 2의 0~4세 여성에 대한 해석 대상 데이터 등이 생성된다.
데이터 해석부(304)는 성별, 연대 및 지역별 해석 대상 데이터 각각에 대해 해석 대상 데이터 중에서 의료 입력 데이터 유래의 데이터 항목을 목적 변수로 하고, 기상 입력 데이터 유래의 데이터 항목을 설명 변수로 하는 중회귀(重回歸) 분석을 행한다. 이에 의해, 성별, 연대, 질환 및 지역마다 모델이 생성된다. 예를 들어 중회귀 분석에 의해, 어떤 지역의 어떤 연대·성별의 사용자의 어떤 질환의 발증 위험을 나타내는 지수를 산출하기 위해 이용되는, 기상 입력 데이터 유래의 데이터 항목 및 그 데이터 항목에 따른 모델 계수가 결정된다. 데이터 해석부(304)는 생성된 모델의 정보를 모델 보유부(306)에 등록한다.
도 6은 데이터 해석부(304)에서의 중회귀 분석의 일 예를 설명하기 위한 그래프이다. 도 6에 도시된 그래프에 있어서, X축, Y축, Z축은 각각 기온, 평년차, 위험 지수를 나타낸다. 위험 지수는 천식(喘息)의 발증(發症) 또는 발작(發作)의 위험을 나타내고, 의료 입력 데이터 유래의 천식의 환자수 및 중증도로부터 산출된다. 그래프의 데이터 점은, 큐슈·오키나와 지방의 10세 미만 남성에 대한 해석 대상 데이터의 엔트리에 대응한다. 데이터 해석부(304)는 도 6에 도시된 그래프의 데이터 점의 집합에 대해, 천식의 위험 지수를 목적 변수로 하고 기온 및 평년차를 설명 변수로 하는 중회귀 분석을 행하여 각 설명 변수에 대한 모델 계수를 결정한다.
모델에서는, 질환의 위험 지수(R)는 이하의 식 1에 의해 산출된다.
R=a×기온+b×평년차 …(식 1)
여기서, a는 기온의 모델 계수(이하, 기온 계수라 함), b는 평년차의 모델 계수(이하, 평년차 계수라 함)이다.
도 7은 모델 보유부(306)의 일 예를 나타내는 데이터 구조도이다. 모델 보유부(306)는 천식에 대해 성별·연대마다 및 지역마다 기온 계수(a)와 평년차 계수(b)를 보유한다. 또, 본 예에서는 기온 및 평년차를 설명 변수로 하는 경우에 대해 설명하지만, 해석 결과 다른 항목, 예를 들어 일교차나 습도가 좋은 설명 변수가 되는 경우도 생각할 수 있다.
(모델 적용 단계)
도 3으로 되돌아가, 상술한 바와 같이 생성된 모델을 이용한 사용자에의 가치 제공을 설명한다. 속성 수신부(308)는 휴대 단말(108)의 사용자 속성, 대상 질환 및 지역을 네트워크(110)를 통해 휴대 단말(108)로부터 수신한다. 수신되는 사용자의 속성은 사용자의 연대와 성별을 포함한다.
모델 선택부(310)는 모델 보유부(306)에 보유되는 복수의 모델 중에서 속성 수신부(308)에 의해 취득된 속성, 질환 및 지역에 따른 모델을 선택한다. 예를 들어, 모델 선택부(310)는 모델 보유부(306)를 참조하여 취득된 성별, 연대, 질환 및 지역에 대응하는 모델 계수, 즉 기온 계수 및 평년차 계수를 취득한다.
예측 취득부(312)는 취득된 지역에서의 기상 예측 정보를 네트워크(110)를 통해 기상 데이터 서버(106)로부터 취득한다.
위험 도출부(314)는 모델 선택부(310)에 의해 선택된 모델과, 예측 취득부(312)에 의해 취득된 기상 예측 정보로부터 병에 관한 예측 정보를 도출한다. 예를 들어 위험 도출부(314)는 취득된 기온 계수 및 평년차 계수와 취득된 예상 기온 및 예상 평년차를 식 1에 대입함으로써 어떤 질환의 위험 지수를 산출한다. 위험 도출부(314)는 산출된 위험 지수를 복수의 레벨(이하, 위험 레벨이라 함)로 카테고리화한다.
도 8의 (a)~(d)는, 위험 지수를 5개의 위험 레벨로 카테고리화하는 경우의 표시 예를 나타내는 모식도이다. 도 8의 (a)는 위험 지수의 크기를 5개의 텍스트로 나타내는 경우를 나타낸다. 도 8의 (b)는 위험 지수의 시간 변화를 그래프로 나타내는 경우를 나타낸다. 도 8의 (c)는 위험 지수의 크기를 5개의 도형(이 경우, 아바타 및 그의 수)으로 나타내는 경우를 나타낸다. 도 8의 (d)는 위험 지수의 지리적 분포를 분포도로 나타내는 경우를 나타낸다.
혹은 위험 도출부(314)는 위험 지수를 3개의 위험 레벨로 카테고리화해도 된다. 이 경우, 위험 도출부(314)는 예를 들어 2개의 문턱값(RH, RL(RH>RL))을 이용하는 이하의 판정 기준에 의해 위험 지수를 카테고리화한다.
(1) 위험 지수(R)≥RH이면 위험 레벨 3(위험)
(2) RH>위험 지수(R)≥RL이면 위험 레벨 2(주의)
(3) RL>위험 지수(R)이면 위험 레벨 1(안전)
도 3으로 되돌아가, 송신부(316)는 위험 도출부(314)에 의해 도출된 병에 관한 예측 정보를 네트워크(110)를 통해 휴대 단말(108)에 송신한다. 예를 들어 송신부(316)는 도출된 장래의 위험 레벨의 시계열 데이터를 휴대 단말(108)에 송신한다.
이상의 구성에 의한 질병 예측 시스템(100)의 동작을 설명한다.
도 9는 도 1의 질병 예측 시스템(100)에서의 처리의 흐름을 나타내는 흐름도이다. 휴대 단말(108)은 입력 인터페이스(125)를 통해 사용자로부터 질병 예측 앱을 기동하기 위한 지시를 접수하면 질병 예측 앱을 기동한다(S902). 예를 들어 휴대 단말(108)은 디스플레이(124)에 표시되는 질병 예측 앱의 아이콘에 대한 탭을 검출하면 질병 예측 앱을 기동한다. 첫 등록이 완료된 경우(S904의 Y), 처리는 단계 S908로 진행된다. 첫 등록이 완료되지 않은 경우(S906의 N), 처리는 단계 S906으로 진행된다.
단계 S906에서, 휴대 단말(108)은 질병 예측 서버(102)와 통신함으로써 첫 등록 처리를 실행한다. 휴대 단말(108)은 첫 등록 화면(후술함)을 생성하여 디스플레이(124)에 표시시킴으로써, 사용자로부터 첫 등록 정보 즉 로그인 ID, 패스워드, 성별, 연령, 생년월일, 처방약의 입력을 접수한다. 휴대 단말(108)은, 입력된 첫 등록 정보를 메모리(121)에 등록함과 아울러 네트워크(110)를 통해 질병 예측 서버(102)로 송신한다. 질병 예측 서버(102)는 첫 등록 정보를 수신하고, 질병 예측 서버(102)의 사용자 정보 보유부(318)에 등록한다. 첫 등록 처리에 있어서, 휴대 단말(108)은 이용 규약을 디스플레이(124)에 표시시키면서 이 이용 규약에 대한 사용자의 동의/비동의를 접수해도 된다. 이용 규약은 예를 들어 개인 정보 취급에 관한 규정이나 데이터 취급에 관한 규정을 포함한다.
단계 S908에서, 휴대 단말(108)은 로그인 화면(후술함)을 생성하여 디스플레이(124)에 표시시킴으로써, 사용자로부터 로그인 정보 즉 사용자 ID 및 패스워드의 입력을 접수한다. 휴대 단말(108)은 입력된 사용자 ID 및 패스워드를 네트워크(110)를 통해 질병 예측 서버(102)로 송신한다. 질병 예측 서버(102)는 수신한 사용자 ID 및 패스워드를 이용하여 사용자 인증을 한다. 질병 예측 서버(102)는 사용자 인증 결과를 네트워크(110)를 통해 휴대 단말(108)로 송신한다. 또, 휴대 단말(108)로 사용자 인증이 이루어져도 된다.
휴대 단말(108)은 사용자 인증 결과가 실패를 나타내는 경우 이를 사용자에게 통지하고, 사용자 ID 및 패스워드의 입력을 다시 요구한다. 휴대 단말(108)은 사용자 인증 결과가 성공을 나타내는 경우, 휴대 단말(108)에 보유되는 사용자의 성별·연령과, 대상이 되는 질환과, 휴대 단말(108)의 측위 기능(예를 들어 GPS 등)을 이용하여 취득된 휴대 단말(108)의 위치를 네트워크(110)를 통해 질병 예측 서버(102)로 송신한다(S910). 또, 단계 S910에서 성별·연령을 송신하는 것 대신에, 단계 S906에서 질병 예측 서버(102)의 사용자 정보 보유부(318)에 등록된 사용자의 성별·연령이 이용되어도 된다. 또한, 휴대 단말(108)은 사용자에게 입력시킴으로써 휴대 단말(108)의 위치를 취득해도 된다.
질병 예측 서버(102)는 사용자의 연령·성별과 대상 질환과 휴대 단말(108)의 위치를 수신하고, 이들에 대응하는 모델 계수를 모델 보유부(306) 중에서 선택한다(S912). 질병 예측 서버(102)는 기상 데이터 서버(106)로부터 기상 예측 정보를 취득한다(S914). 질병 예측 서버(102)는 선택된 모델 계수와 취득된 기상 예측 정보로부터 대상 질환의 장래의 위험 레벨을 도출한다(S916). 질병 예측 서버(102)는 도출된 장래의 위험 레벨을 네트워크(110)를 통해 휴대 단말(108)로 송신한다(S918).
휴대 단말(108)은 수신한 장래의 위험 레벨을 기초로 위험 예측 화면(후술함)을 생성하여 디스플레이(124)에 표시시킨다(S920). 위험 예측 화면은 대상 질환의 장래의 위험 레벨을 시계열로 나타내는 화면이다. 위험 예측 화면은 과거의 위험 레벨을 장래의 위험 레벨과 맞추어 시계열로 나타낸다. 과거의 위험 레벨은 휴대 단말(108)이 과거에 질병 예측 서버(102)로부터 수신하여 보유해 둔 위험 레벨을 읽어냄으로써 취득되어도 된다. 혹은 질병 예측 서버(102)는 선택된 모델 계수와 기상 데이터 서버(106)로부터 취득한 과거의 기상 정보(예를 들어, AMeDAS(automated meteorological data acquisition system)의 관측값이나 지상 실황)로부터 위험 레벨을 도출하고, 도출된 과거의 위험 레벨을 휴대 단말(108)에 제공해도 된다.
휴대 단말(108)은 위험 예측 화면에서 사용자로부터 정보 등록 요구를 접수한다. 휴대 단말(108)은 이러한 요구에 따라 정보 등록 화면(후술함)을 생성하여 디스플레이(124)에 표시시킴으로써 과거 또는 현재 시점에서 건강 상태·의료 정보의 입력을 접수한다(S922). 건강 상태·의료 정보는 건강 상태를 나타내는 정보, 진찰에 관한 정보 및 투약에 관한 정보를 포함한다.
휴대 단말(108)은 입력된 건강 상태·의료 정보와 사용자 ID가 대응된 데이터를 네트워크(110)를 통해 질병 예측 서버(102)로 송신한다(S924). 질병 예측 서버(102)는 수신한 사용자 ID와 건강 상태·의료 정보를 대응시켜 실적 정보 보유부(320)에 등록한다(S926). 질병 예측 서버(102)는 실적 정보 보유부(320)에 보유되는 정보를 참조하여 사용자마다 모델을 갱신한다(S928). 갱신된 모델은 다음 위험 레벨의 도출에 이용된다.
실적 정보 보유부(320)에는 과거의 어떤 시점에서 사용자의 건강 상태의 실적값이 보유되어 있다. 한편, 그 사용자에 대해 선택된 모델과, 과거의 같은 시점에서의 기상 정보로부터 과거의 같은 시점에서의 위험 레벨을 도출할 수 있다. 단계 S928에서는, 이와 같이 도출되는 위험 레벨과 건강 상태의 실적값의 괴리(乖離)를 줄이도록 모델 계수가 조정된다. 이 조정은 사용자마다 이루어지므로, 원래 2명의 사용자에게 동일한 모델이 이용되고 있었다고 해도 그 후의 조정에 의해 2명의 사용자의 모델 계수가 다른 것이 되는 경우가 있다.
도 10은 첫 등록 화면(400)의 대표 화면도이다. 첫 등록 화면(400)은 첫 등록 정보의 입력을 접수하는 첫 등록 정보 입력 영역(402)과, 송신 버튼(404)을 가진다. 사용자는 첫 등록 정보 입력 영역(402)에 정보를 입력하고, 송신 버튼(404)을 탭(tap)한다. 그러면, 휴대 단말(108)은 첫 등록 정보 입력 영역(402)에 입력된 정보를 첫 등록 정보로서 취득하고 질병 예측 서버(102)로 송신한다.
도 11은 로그인 화면(406)의 대표 화면도이다. 로그인 화면(406)은 로그인 ID의 입력을 접수하는 ID 영역(408)과, 패스워드의 입력을 접수하는 PW 영역(410)과, 송신 버튼(412)을 가진다. 사용자는 ID 영역(408), PW 영역(410)에 정보를 입력하고, 송신 버튼(412)을 탭한다. 그러면, 휴대 단말(108)은 ID 영역(408), PW 영역(410)에 입력된 정보를 각각 로그인 ID, 패스워드로서 취득하고 질병 예측 서버(102)로 송신한다.
도 12는 현재의 위험 레벨을 나타내는 위험 예측 화면(414)의 대표 화면도이다. 위험 예측 화면(414)은 질환 선택 영역(416)과, 단계 S910에서 송신되는 위치에 대응하는 지역 표시 영역(418)과, 현재 날짜를 표시하는 날짜 표시 영역(420)과, 현재보다 조금 후, 예를 들어 30분 후의 위험 레벨을 표시하는 위험 레벨 표시 영역(422)과, 기상 및 위험 레벨의 시간적 추이를 표시하는 추이 표시 영역(424)을 가진다.
질환 선택 영역(416)에는 현재 선택되어 있는 대상(對象) 질환(도 12의 경우, 천식)이 표시된다. 질환 선택 영역(416)은 다른 질환을 선택 가능하도록 구성된다. 예를 들어 사용자가 질환 선택 영역(416)의 풀다운 마크를 지정하면 선택 가능한 질환의 일람이 표시되고, 사용자는 그 일람 중에서 원하는 질환을 선택한다. 휴대 단말(108)은 선택된 질환을 대상 질환으로서 취득하고, 취득된 새로운 대상 질환에 대해 단계 S910을 다시 실행하며, 그 대상 질환에 대한 장래의 위험 레벨을 단계 S918에서 취득하고, 취득한 위험 레벨에 기초하여 위험 예측 화면(414)을 재구성한다.
위험 레벨 표시 영역(422)에는 현재보다 조금 후의(즉, 가까운 장래의) 위험 레벨이 표시된다. 사용자는 이 표시를 봄으로써, 가까운 장래의 대상 질환의 발증 위험이나 중증화 위험을 파악할 수 있다. 이 표시는 같은 질환, 같은 지역, 같은 시각에서도 사용자에 따라 다르다.
추이 표시 영역(424)은 설정 버튼(426)과, 장래의 위험 레벨 또는 기상 예측에 관한 코멘트를 표시하는 코멘트 표시 영역(428)과, 기온의 시간적 추이를 나타내는 온도 그래프(430)와, 기상의 변화를 나타내는 기상 표시 영역(432)과, 위험 레벨의 시간적 추이를 나타내는 중위험(middle risk) 영역(434) 및 저위험(low risk) 영역(436)과, 일시를 표시하는 일시 표시 영역(438)을 가진다. 추이 표시 영역(424)에서는, 설정 버튼(426)에 따라 표시되는 화살표가 현재를 나타내고, 그 좌측에 과거의 기상 및 과거의 위험 레벨 정보가, 그 우측에 장래의 기상 및 장래의 위험 레벨 정보가 각각 표시된다.
사용자가 설정 버튼(426)을 지정(예를 들어 탭)하면, 휴대 단말(108)은 이러한 지정을 사용자로부터의 정보 등록 요구로서 접수하고, 정보 등록 화면(440)을 디스플레이(124)에 표시시킨다. 도 13은 정보 등록 화면(440)의 대표 화면도이다. 정보 등록 화면(440)은 예를 들어 추이 표시 영역(424)에 대해 팝오버(popover)하는 형태로 표시된다. 정보 등록 화면(440)은 사용자의 현재 건강 상태가 선택 형식으로 입력되는 건강 상태 등록 영역(442)과, 사용자의 음성 입력을 트리거하기 위한 음성 등록 영역(444)과, 진찰 이력을 등록하기 위한 진찰 이력 등록 영역(446)과, 투약 이력을 등록하기 위한 약 기록 영역(448)과, 메모의 입력을 접수하는 메모 영역(450)과, 등록 버튼(452)을 가진다. 건강 상태 등록 영역(442)에는 대상 질환(도 13의 경우, 천식)에 대한 건강 상태의 좋고 나쁨이 입력된다. 사용자가 음성 등록 영역(444)을 탭하면, 소정의 음성 입력 인터페이스가 기동된다. 휴대 단말(108)은 이 인터페이스를 통해 사용자의 발화(發話)를 취득하고, 취득된 발화로부터 피로도를 검출한다. 사용자가 등록 버튼(452)을 탭하면, 휴대 단말(108)은 건강 상태 등록 영역(442), 진찰 이력 등록 영역(446), 약 기록 영역(448) 및 메모 영역(450)에 입력된 정보 및 검출된 피로도를 건강 상태·의료 정보로서 취득하고, 메모리(121)에 저장함과 아울러 질병 예측 서버(102)로 송신한다.
도 12로 되돌아가, 코멘트 표시 영역(428)은 장래의 위험 레벨에 관한 위험 코멘트(도 12의 경우, 「오늘 밤은 주의」)와, 기상 예측에 관한 기상 코멘트(도 12의 경우, 「기온 강하에 주의」)를 표시한다. 기상 코멘트는 기상 예측 정보에 기초하여 생성된다. 위험 코멘트는 장래의 위험 레벨에 기초하여 생성된다. 위험 코멘트는 시간대 부분(도 12의 경우, 「오늘 밤」)과 위험 부분(도 12의 경우, 「주의」)을 포함한다. 시간대 부분은 코멘트 표시 영역(428)이 표시되는 추이 표시 영역(424) 상의 개소(箇所)에 대응하는 시각 또는 시간대에 대응한다. 위험 부분은 그 시각 또는 시간대에서의 위험 레벨에 대응한다. 예를 들어 위험 레벨이 1~5의 5단계로 나타나는 경우, 위험 부분은 「위험, 엄중 경계, 경계, 주의, 안전」 중에서 위험 레벨에 따라 선택된 것으로 나타난다.
추이 표시 영역(424)은 위험 레벨의 시간적 추이를 시각적으로 통지한다. 도 12에서는 추이 표시 영역(424)은 중위험 영역(434)과 저위험 영역(436)을 포함한다. 중위험 영역(434)은 해칭(hatching) 또는 색(적색, 청색, 녹색 등)으로 나타난다. 저위험 영역(436)은 중위험 영역(434)보다 조밀하지 않은 해칭 또는 중위험 영역(434)보다 엷은 색으로 나타나거나 또는 무색 영역이다. 중위험 영역(434)은 천식의 위험 레벨이 5단계의 2, 즉 주의 레벨임을 나타내고, 저위험 영역(436)은 이러한 위험 레벨이 1, 즉 안전 레벨임을 나타낸다.
도 14는 미래의 위험 레벨을 나타내는 위험 예측 화면(454)의 대표 화면도이다. 사용자가 도 12에 도시된 위험 예측 화면(414)에서 좌향(左向)으로 스와이프(swipe)하면, 휴대 단말(108)은 화면을 좌향으로 횡스크롤(horizontal scrolling)시켜 도 14에 도시된 위험 예측 화면(454)을 표시시킨다. 위험 예측 화면(454)은 질환 선택 영역(416)과, 지역 표시 영역(418)과, 미래의 날짜를 표시하는 날짜 표시 영역(456)과, 미래의 위험 레벨을 표시하는 위험 레벨 표시 영역(464)과, 기상 및 위험 레벨의 시간적 추이를 표시하는 추이 표시 영역(462)을 가진다.
위험 레벨 표시 영역(464)에는 미래의 위험 레벨이 표시된다. 사용자는 이 표시를 봄으로써, 미래의 대상 질환의 발증 위험이나 중증화 위험을 파악할 수 있다. 이 표시는 같은 질환, 같은 지역, 같은 시각에서도 사용자에 따라 다르다.
추이 표시 영역(462)은 설정 버튼(458), 코멘트 표시 영역(428), 온도 그래프(430), 기상 표시 영역(432), 위험 레벨의 시간적 추이를 나타내는 고위험 영역(460), 일시 표시 영역(438)을 가진다. 추이 표시 영역(462)에서는, 설정 버튼(458)에 따라 표시되는 화살표가 표시 대상의 미래 시점을 나타낸다.
사용자가 설정 버튼(458)을 지정하면, 휴대 단말(108)은 이러한 지정을 사용자로부터의 지점 등록 요구로서 접수하고, 지점 등록 화면(도시되지 않음)을 디스플레이(124)에 표시시킨다. 사용자는, 지점 등록 화면을 통해 원하는 지역을 지정할 수 있다. 휴대 단말(108)은 지정된 지역에 대해 단계 S910을 다시 실행하고, 그 지역에 대한 장래의 위험 레벨을 단계 S918에서 취득하며, 취득한 위험 레벨에 기초하여 위험 예측 화면(454)을 재구성한다.
추이 표시 영역(462)은 위험 레벨의 시간적 추이를 시각적으로 통지한다. 도 14에서는 추이 표시 영역(462)은 고위험 영역(460)을 포함한다. 고위험 영역(460)은 중위험 영역(434)보다 조밀한 해칭 또는 짙은 색으로 나타난다. 고위험 영역(460)은 천식의 위험 레벨이 5단계의 3, 즉 경계 레벨임을 나타낸다.
도 15는 과거의 위험 레벨을 나타내는 위험 예측 화면(466)의 대표 화면도이다. 사용자가 도 12에 도시된 위험 예측 화면(414)에서 우향(右向)으로 스와이프하면, 휴대 단말(108)은 화면을 우향으로 횡스크롤시켜 도 15에 도시된 위험 예측 화면(466)을 표시시킨다. 위험 예측 화면(466)은 질환 선택 영역(416)과, 지역 표시 영역(418)과, 과거의 날짜를 표시하는 날짜 표시 영역(468)과, 과거의 위험 레벨을 표시하는 위험 레벨 표시 영역(476)과, 기상 및 위험 레벨의 시간적 추이를 표시하는 추이 표시 영역(470)을 가진다.
위험 레벨 표시 영역(476)에는 과거의 위험 레벨이 표시된다. 추이 표시 영역(470)은 설정 버튼(472), 온도 그래프(430), 기상 표시 영역(432), 저위험 영역(436), 일시 표시 영역(438), 등록 데이터 영역(474)을 가진다. 추이 표시 영역(470)에서는 설정 버튼(472)에 따라 표시되는 화살표가 표시 대상의 과거 시점을 나타낸다.
사용자가 설정 버튼(472)을 지정하면, 휴대 단말(108)은 이러한 지정을 사용자로부터의 정보 등록 요구로서 접수하고, 정보 등록 화면을 디스플레이(124)에 표시시킨다. 이 정보 등록 화면은 음성 등록 영역(444)이 없는 것을 제외하고 도 13에 도시된 정보 등록 화면(440)과 동일한 구성을 가진다.
등록 데이터 영역(474)은 이 영역이 표시되는 추이 표시 영역(470) 상의 개소에 대응하는 시각 또는 시간대에 정보 등록 화면을 통해 건강 상태·의료 정보가 등록되었음을 나타낸다. 사용자가 등록 데이터 영역(474)을 지정하면, 휴대 단말(108)은 이러한 지정을 건강 상태·의료 정보의 열람 요구로서 접수한다. 휴대 단말(108)은 메모리(121)를 참조하여 등록 데이터 영역(474)에 대응하는 건강 상태·의료 정보를 읽어내어 디스플레이(124)에 표시시킨다.
상술한 실시형태에 있어서, 보유부의 예는 하드 디스크나 반도체 메모리이다. 또한, 본 명세서의 기재에 기초하여 각 부를 도시하지 않은 CPU나, 인스톨된 애플리케이션 프로그램의 모듈이나, 시스템 프로그램의 모듈이나, 하드 디스크로부터 읽어낸 데이터의 내용을 일시적으로 기억하는 반도체 메모리 등에 의해 실현할 수 있는 것은 본 명세서에 언급한 당업자에게는 이해될 것이다.
본 실시형태에 관한 질병 예측 시스템(100)에 의하면, 사용자의 속성에 따른 모델이 선택되고, 선택된 모델과 기상 예측 정보로부터 도출된 장래의 대상 질환의 위험 레벨이 그 사용자에게 통지된다. 따라서, 통지되는 위험 레벨은 사용자의 속성에 따른 것이 되므로, 그 위험 레벨의 정밀도를 높일 수 있다.
아이와 어른, 남성과 여성에게 질환에 대한 감수성은 다르다. 또한, 본 발명자들이 면밀히 연구한 바에 의하면, 병과 기상과의 사이에는 의미 있는 상관이 있다. 본 실시형태에서는 이들 2가지 사항을 조합하여 퍼스널라이즈된 질병 예측을 사용자에게 제공하는 질병 예측 앱이 실현된다.
자식을 가진 부모라면, 부모의 휴대 단말(108)에 자신이 아니라 아이의 속성을 등록함으로써, 장래의 아이의 천식 발작이나 중증화 위험을 알 수 있으므로 미리 대책을 세울 수 있다.
또한, 본 실시형태에 관한 질병 예측 시스템(100)에서는, 질병 예측 앱은 대상이 되는 질병을 사용자가 선택할 수 있도록 구성된다. 이에 의해, 사용자에 따라 신경이 쓰이는 질환은 다른 바 사용자의 요구에 따라 맞는 정보를 제공할 수 있다.
또한, 본 실시형태에 관한 질병 예측 시스템(100)에서는, 위험 예측 화면은 정보 등록 지시를 사용자로부터 접수 가능하도록 구성된다. 또한, 위험 예측 화면은 등록된 건강 상태·의료 정보를 나중에 열람할 수 있도록 구성된다. 따라서, 사용자는 자기가 등록한 과거의 건강 상태·의료 정보를 열람할 수 있어 사용자 편리성이 향상된다.
또한, 본 실시형태에 관한 질병 예측 시스템(100)에서는, 등록된 건강 상태·의료 정보에 기초하여 사용자의 모델이 조정된다. 따라서, 그 사용자용 모델의 추가적인 퍼스널라이즈가 가능해지고, 위험 레벨의 예측 정밀도가 더욱 향상된다. 또한, 조정된 모델의 상세, 예를 들어 설명 변수의 변경이나 모델 계수의 증감 등을 사용자에게 통지함으로써, 사용자에게 새로운 깨달음을 제공할 수 있다. 예를 들어 사용자가 자신의 천식에 대해 기온의 변화가 원인이라고 믿고 있는 경우에, 모델의 조정에 의해 습도의 모델 계수가 기온의 모델 계수보다 커졌음을 사용자에게 통지하면, 사용자는 사실은 습도에 주의해야 한다고 깨달을 수 있다. 이에 의해, 사용자의 행동 변용(變容)이 촉구된다.
또한, 본 실시형태에 관한 질병 예측 시스템(100)에서는, 등록된 건강 상태·의료 정보는 네트워크(110)를 통해 질병 예측 서버(102)로 송신되고 여기서 축적된다. 따라서, 질병 예측 서버(102)의 관리자는, 사용자의 건강 상태나 투약의 실적을 시계열로 기록한 데이터를 취득할 수 있다. 이 관리자는, 이와 같이 축적된 데이터를 예를 들어 역학적인 연구에 이용하거나 약의 효용 등의 추적 조사에 이용할 수 있다. 혹은 사용자가 질환에 대한 소정의 예방 대책을 취하고 있는 경우는, 축적된 데이터에 의해 예방 대책에 어느 정도 효과가 있는지를 검증할 수 있다.
이상, 실시형태에 관한 질병 예측 시스템(100)의 구성과 동작에 대해 설명하였다. 이 실시형태는 예시이며, 각 구성요소나 각 처리의 조합에 여러 가지 변형 예가 가능한 것, 또한 이러한 변형 예도 본 발명의 범위에 있는 것은 당업자에게 이해된다.
실시형태에서는, 질병 예측 앱이 휴대 단말에 인스톨되는 경우에 대해 설명하였지만, 이에 한정되지 않고, 예를 들어 휴대 단말의 브라우저를 통해 HTML 프로그램에 의해 실현되어도 된다. 혹은 질병 예측 앱을 기록한 기록 매체가 제공되어도 된다.
실시형태에서는, 모델 선택과 기상 예측 취득과 위험 도출을 질병 예측 서버(102)에서 행하는 경우에 대해 설명하였지만, 이에 한정되지 않고, 이들의 기능 중 적어도 하나를 휴대 단말(108)에 설치해도 된다. 이 경우, 모델 계수 등의 필요한 정보는 네트워크(110)를 통해 질병 예측 서버(102)에서 휴대 단말(108)로 송신된다.
실시형태에서는, 질병 예측 서버(102)와 의료 데이터 서버(104)와 기상 데이터 서버(106)가 각각 별개로서 존재하는 경우를 설명하였지만, 이에 한정되지 않고, 예를 들어 질병 예측 서버(102)의 기능과 의료 데이터 서버(104)의 기능을 겸비하는 하나의 서버가 설치되어도 되고, 질병 예측 서버(102)의 기능과 기상 데이터 서버(106)의 기능을 겸비하는 하나의 서버가 설치되어도 된다.
실시형태에서는, 장래의 위험 레벨 및 그 시간적 추이를 디스플레이(124)에 표시시키는 경우에 대해 설명하였지만, 이에 한정되지 않고, 장래의 위험 레벨에 관한 정보가 사용자에게 통지되면 되고, 예를 들어 음성이나 진동에 의해 사용자에게 통지해도 된다.
실시형태에서는, 주로 천식과 기상과의 관계를 나타내는 모델로부터 천식의 발증 위험을 도출하는 경우에 대해 설명하였지만, 이에 한정되지 않는다. 예를 들어, 대기 오염의 정도와 호흡기계 질환과의 관계를 나타내는 모델이나 기후와 피부 질환과의 관계를 나타내는 모델이나 기상과 정신 질환과의 관계를 나타내는 모델 등을 생성하고 이용해도 된다. 혹은 질환으로서 천식뿐만 아니라 감기나 아토피성 피부염이나 두통이나 뇌졸중이나 뇌경색이나 심근경색을 대상으로 해도 된다.
실시형태에서는, 대상 질환을 선택 가능하게 하는 경우에 대해 설명하였지만, 이에 한정되지 않고, 예를 들어 휴대 단말이 다양한 질환의 위험 레벨을 취득하고, 그 중에서 비교적 위험 레벨이 높은 질환의 정보를 사용자에게 통지해도 된다. 같은 기상 조건에서도 사용자의 속성에 따라 질환의 위험 레벨은 다를 수 있다. 예를 들어 기온이 낮을 때, 10세 미만의 남성에 대해서는 천식의 위험 레벨이 다른 질환의 위험 레벨보다 높아지고, 80세~89세의 여성에 대해서는 심근경색의 위험 레벨이 다른 질환(천식을 포함함)의 위험 레벨보다 높아지는 경우가 있다. 이러한 경우에, 질병 예측 앱은 사용자의 속성에 따라 위험 레벨이 비교적 높은 질환을 결정하고 통지함으로써, 사용자에게 보다 도움이 되는 정보를 제공할 수 있다.
실시형태에서는, 질병 예측 서버(102)는 의료 데이터 서버(104)로부터 네트워크(110)를 통해 리셉트 데이터 등의 의료 데이터를 취득하는 경우를 설명하였지만, 이에 한정되지 않는다. 예를 들어, 질병 예측 서버의 관리자가 모델 생성시에 리셉트 데이터를 오프라인으로 취득하고 기상 데이터와 대조하여도 된다. 여기서 작성되는 모델은 정적인 것이며, 질병 예측 서버에는 작성된 모델이 저장된다. 또, 실시형태와 같이 질병 예측 서버(102)가 온라인으로 의료 데이터 서버(104)와 제휴하여 동적으로 모델을 작성하는 경우, 정기적으로 모델을 자동 업데이트할 수 있으므로 적합하다.
100 질병 예측 시스템, 102 질병 예측 서버, 104 의료 데이터 서버, 106 기상 데이터 서버, 108 휴대 단말.

Claims (11)

  1. 기록 매체에 보유되는 컴퓨터 프로그램으로서,
    사용자 속성의 입력을 접수하는 기능과,
    병과 기상과의 관계를 나타내는 다른 복수의 모델 중에서 입력된 속성에 따라 선택된 모델과 기상 예측 정보로부터 얻어지는 병에 관한 예측 정보를 사용자에게 통지하는 기능을 단말에 실현시키기 위한 컴퓨터 프로그램.
  2. 청구항 1에 있어서,
    병에 관한 예측 정보는, 발증 위험을 나타내는 정보를 포함하는 컴퓨터 프로그램.
  3. 청구항 1에 있어서,
    지역을 취득하는 기능을 상기 단말에 더 실현시키고,
    상기 통지하는 기능은, 병과 기상과의 관계를 나타내는 다른 복수의 모델 중에서 입력된 속성에 따라 선택된 모델과, 취득된 지역에서의 기상 예측 정보로부터 얻어지는 병에 관한 예측 정보를 사용자에게 통지하는 기능을 포함하는 컴퓨터 프로그램.
  4. 청구항 1 내지 청구항 3 중 어느 한 항에 있어서,
    상기 통지하는 기능은, 병에 관한 예측 정보를 시계열로 나타내는 화면을 디스플레이에 표시시키는 기능을 포함하는 컴퓨터 프로그램.
  5. 청구항 4에 있어서,
    상기 화면은 병에 관한 예측 정보와, 선택된 모델과 과거 기상 정보로부터 얻어지는 병에 관한 과거 정보를 맞추어 시계열로 나타내고,
    상기 화면은 사용자로부터의 지시를 접수하기 위한 영역을 포함하며,
    상기 컴퓨터 프로그램은 상기 영역이 지정되면 상기 영역에 대응하는 과거 또는 현재 시점에서 사용자의 건강에 관한 정보의 입력을 접수하는 기능을 상기 단말에 더 실현시키는 컴퓨터 프로그램.
  6. 청구항 5에 있어서,
    건강에 관한 정보는 건강 상태를 나타내는 정보, 진찰에 관한 정보, 투약에 관한 정보 및 사용자의 발화(發話) 중 적어도 하나를 포함하는 컴퓨터 프로그램.
  7. 청구항 5에 있어서,
    선택된 모델은 입력된 건강에 관한 정보를 이용하여 갱신되는 컴퓨터 프로그램.
  8. 청구항 5에 있어서,
    입력된 건강에 관한 정보와 사용자를 특정하는 정보가 대응된 데이터를 네트워크를 통해 서버로 송신하는 기능을 상기 단말에 더 실현시키는 컴퓨터 프로그램.
  9. 사용자 속성의 입력을 접수하는 수단과,
    병과 기상과의 관계를 나타내는 다른 복수의 모델 중에서 입력된 속성에 따라 선택된 모델과 기상 예측 정보로부터 얻어지는 병에 관한 예측 정보를 사용자에게 통지하는 수단을 구비하는 단말.
  10. 사용자 속성의 입력을 접수하는 것과,
    병과 기상과의 관계를 나타내는 다른 복수의 모델 중에서 입력된 속성에 따라 선택된 모델과 기상 예측 정보로부터 얻어지는 병에 관한 예측 정보를 사용자에게 통지하는 것을 포함하는 방법.
  11. 병과 기상과의 관계를 나타내는 다른 복수의 모델을 보유하는 보유 수단과,
    사용자의 속성을 네트워크를 통해 단말로부터 수신하는 수신 수단과,
    상기 보유 수단에 보유되는 복수의 모델 중에서 취득된 속성에 따른 모델을 선택하는 선택 수단과,
    기상 예측 정보를 네트워크를 통해 기상 서버로부터 취득하는 취득 수단과,
    선택된 모델과 취득된 기상 예측 정보로부터 병에 관한 예측 정보를 도출하는 도출 수단과,
    도출된 병에 관한 예측 정보를 네트워크를 통해 단말로 송신하는 송신 수단을 구비하는 서버.
KR1020180048358A 2017-05-26 2018-04-26 기록 매체에 보유되는 컴퓨터 프로그램, 단말, 방법 및 서버 KR20180129630A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JPJP-P-2017-104926 2017-05-26
JP2017104926A JP7025131B2 (ja) 2017-05-26 2017-05-26 コンピュータプログラム、端末、方法およびサーバ

Publications (1)

Publication Number Publication Date
KR20180129630A true KR20180129630A (ko) 2018-12-05

Family

ID=64667191

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180048358A KR20180129630A (ko) 2017-05-26 2018-04-26 기록 매체에 보유되는 컴퓨터 프로그램, 단말, 방법 및 서버

Country Status (3)

Country Link
JP (1) JP7025131B2 (ko)
KR (1) KR20180129630A (ko)
TW (1) TWI744512B (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022107902A1 (ko) * 2020-11-17 2022-05-27 (주)미린트 질환 정보를 수집하여 데이터 베이스화 시키는 서버, 시스템 및 그것의 제어 방법

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6775055B2 (ja) * 2019-03-29 2020-10-28 株式会社Ｎｔｔドコモ リスク推定装置
WO2021060544A1 (ja) * 2019-09-25 2021-04-01 西村　勉 情報提供装置、情報提供方法及びプログラム
JP7427041B2 (ja) * 2022-03-17 2024-02-02 ミサワホーム株式会社 健康予報情報に基づくレポート作成システム
WO2023181822A1 (ja) * 2022-03-22 2023-09-28 テルモ株式会社 解析装置、解析システム、及び解析方法
WO2023195207A1 (ja) * 2022-04-07 2023-10-12 三菱電機株式会社 気象予測システムおよび気象病予測システム

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001090977A1 (fr) 2000-05-22 2001-11-29 Kabushiki Kaisha Toshiba Systeme fournisseur d'informations medicales, procede de transmission d'informations medicales, procede d'estimation du cout d'un examen medical en hopital, base de donnees d'informations medicales et terminal patient
JP2002183647A (ja) 2000-12-11 2002-06-28 Nippon Telegr & Teleph Corp <Ntt> 検査異常発生予測装置，検査異常発生予測方法，検査異常発生予測テーブル作成方法およびそれらのプログラム記録媒体，並びに健康教育支援システム
US10101051B2 (en) 2013-05-10 2018-10-16 Wello, Inc. System and process for notification of contagion risk conditions and mitigation thereof
JP5914598B2 (ja) 2014-08-28 2016-05-11 ソフトバンク株式会社 情報提供サーバ及びプログラム
JP2016081190A (ja) 2014-10-14 2016-05-16 株式会社リラク 体調予測システム、および、体調予測プログラム
JP2016153978A (ja) 2015-02-20 2016-08-25 キューオーエル株式会社 健康予測システムおよび健康予測方法
CN104809335B (zh) 2015-04-10 2019-03-05 上海卫生信息工程技术研究中心有限公司 一种环境变化对疾病发病影响的分析预测装置
JP6316771B2 (ja) 2015-04-24 2018-04-25 シャープ株式会社 メッセージ発信サーバ、およびメッセージ発信方法
EP3838138A3 (en) 2015-08-26 2021-09-15 ResMed Sensor Technologies Limited Systems and methods for monitoring and management of chronic disease
TWI582718B (zh) * 2016-07-01 2017-05-11 南臺科技大學 整合氣候及空污資料進行呼吸道疾病預防之資料探勘方法及其系統

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022107902A1 (ko) * 2020-11-17 2022-05-27 (주)미린트 질환 정보를 수집하여 데이터 베이스화 시키는 서버, 시스템 및 그것의 제어 방법

Also Published As

Publication number Publication date
JP7025131B2 (ja) 2022-02-24
TW201901588A (zh) 2019-01-01
TWI744512B (zh) 2021-11-01
JP2018200567A (ja) 2018-12-20

Similar Documents

Publication Publication Date Title
KR20180129630A (ko) 기록 매체에 보유되는 컴퓨터 프로그램, 단말, 방법 및 서버
Hollingsworth et al. Macroeconomic conditions and opioid abuse
Morabito et al. An occupational heat–health warning system for Europe: the HEAT-SHIELD platform
Heo et al. Suicide and associations with air pollution and ambient temperature: a systematic review and meta-analysis
Sacks et al. Influence of urbanicity and county characteristics on the association between ozone and asthma emergency department visits in North Carolina
Pickett et al. Mortality in individuals with autism, with and without epilepsy
Passmore et al. Impact of mandatory motorcycle helmet wearing legislation on head injuries in Viet Nam: results of a preliminary analysis
Chen et al. Influence of relatively low level of particulate air pollution on hospitalization for COPD in elderly people
US20190333646A1 (en) Systems and methods for determining, tracking, and predicting common infectious illness outbreaks
Liu et al. Effect of air pollution on health care expenditure: Evidence from respiratory diseases
JP2017524221A (ja) 慢性疾患の発見および管理システム
Sapkota et al. Association between changes in timing of spring onset and asthma hospitalization in Maryland
Peng et al. Large-scale assessment of missed opportunity risks in a complex hospital setting
Jung et al. Measuring the disparity of categorical risk among various sex offender risk assessment measures
Fujiura et al. Health services use and costs for Americans with intellectual and developmental disabilities: a national analysis
US20160328537A1 (en) System and method for verified reporting of illness states using disparate datasets
Bandettini di Poggio et al. Clinical epidemiology of ALS in Liguria, Italy
Yoon et al. The effect of general health checks on healthcare utilization: accounting for self-selection bias
Brighetti et al. Multivariate statistical forecasting modeling to predict Poaceae pollen critical concentrations by meteoclimatic data
Chan et al. Personal, environmental, and service-delivery determinants of employment quality for state vocational rehabilitation consumers: A multilevel analysis
Asakura et al. Health indicators as moderators of occupational commitment and nurses' intention to leave
Yang et al. Spatio-temporal variability in hydroclimate over the upper Yangtze River Basin, China
Joshanloo The longitudinal interplay of depressive symptoms and loneliness: causal effects work in both directions and decay to zero before six years
Emenekwe et al. Temperature and residential electricity demand for heating and cooling in G7 economies: A method of moments panel quantile regression approach
Farbmacher et al. Heterogeneous effects of a nonlinear price schedule for outpatient care